我正在使用minidom解析xml文件，它引发了一个错误，指示数据格式不正确。我发现某些页面上的字符如ไà¸à¹€à¸Ÿà¸¥ &，导致解析器出现打ser。在开始解析文件之前，是否有一种清除文件的简单方法？现在，我正在使用正则表达式来丢弃不是字母数字字符和</>字符的任何内容，但是它不能正常工作。
最佳答案
尝试
xmltext = re.sub(u"[^\x20-\x7f]+",u"",xmltext)
它将清除除0x20-0x7F范围以外的所有内容。
如果要保留制表符，换行符之类的控制字符，则可以从\ x01开始。
xmltext = re.sub(u"[^\x01-\x7f]+",u"",xmltext)